As três principais direções estratégicas da fusão entre IA e encriptação

Atualmente, a combinação de IA com encriptação está a entrar numa fase de rápida inovação. Aqui estão três direções de desenvolvimento principais:

1. Construir uma ecologia econômica impulsionada por agentes inteligentes

Os agentes inteligentes a operar na blockchain já provaram ser viáveis. Os experimentos neste campo estão constantemente a ultrapassar os limites das operações em cadeia de agentes, com um potencial enorme e um vasto espaço de design. Atualmente, isto tornou-se uma das direções mais inovadoras e explosivas nos campos da encriptação e da IA, e isto é apenas o começo.

No futuro, agentes inteligentes poderão gerir projetos complexos de colaboração entre várias partes. Por exemplo, no campo da investigação científica, os agentes podem ser responsáveis por encontrar compostos terapêuticos para doenças específicas:

• Angariar fundos através de uma plataforma de angariação de fundos por tokens
• Utilizar fundos para pagar despesas de acesso a materiais de pesquisa e custos de simulação em redes de computação descentralizadas
• Recrutar humanos para realizar trabalhos de verificação de experimentos através da plataforma de recompensas

Além de projetos complexos, os agentes também podem executar tarefas simples, como criar sites pessoais e obras de arte, com possibilidades infinitas de aplicação.

A encriptação de moeda tem vantagens únicas em certos campos:

• Aplicações de pagamentos de baixo valor
• Vantagem de velocidade——A funcionalidade de liquidação instantânea ajuda os agentes a alcançar a máxima eficiência de capital
• Acesso ao mercado de capitais através do DeFi - os agentes podem criar ativos, negociar, investir, emprestar e usar alavancagem de forma fluida.

Do ponto de vista da evolução tecnológica, a dependência de caminho desempenha um papel crucial. À medida que cada vez mais agentes obtêm lucros através de encriptação, a conexão encriptada provavelmente se tornará a capacidade central dos agentes.

Vários aspectos do futuro desenvolvimento merecem atenção:

1. Mecanismo de controle de risco
2. Promover cenários de uso não especulativos
3. Requisitos de progresso de desenvolvimento

2. Aumentar a capacidade de grandes modelos de linguagem no desenvolvimento

Os grandes modelos de linguagem já demonstraram um desempenho excecional na escrita de código e continuarão a melhorar no futuro. Através dessas capacidades, a eficiência dos desenvolvedores pode ser aumentada em 2 a 10 vezes. Recentemente, a criação de benchmarks de alta qualidade para avaliar a capacidade dos grandes modelos de linguagem de entender e escrever código ajudará a compreender o seu impacto potencial no ecossistema. Planos de ajuste fino de modelos de alta qualidade serão validados nos testes de benchmark.

No entanto, ainda existem alguns desafios:

• Falta de dados de treinamento originais de alta qualidade
• Número insuficiente de construções verificadas
• Falta de interações com alto valor informativo
• O desenvolvimento da infraestrutura está a progredir rapidamente, levando a que o código antigo possa não ser aplicável.
• Falta de métodos para entender o grau de compreensão do modelo de avaliação

Direções de desenvolvimento futuro incluem:

• Obter dados relevantes melhores
• Publicar mais construções de validação
• Incentivar os membros do ecossistema a interagir ativamente na plataforma de perguntas e respostas
• Criar testes de referência de alta qualidade
• Desenvolver modelos de ajuste fino que se comportem bem em testes de referência

O objetivo final é: um cliente de nó de validação totalmente novo, de alta qualidade e diferenciado, criado inteiramente por IA.

3. Apoiar um stack de tecnologia de IA aberto e descentralizado

"Stack de tecnologia AI aberto e descentralizado" contém os seguintes elementos-chave:

• Obtenção de dados de treino
• capacidade de cálculo para treino e inferência
• Partilha de pesos do modelo
• Capacidade de validação da saída do modelo

A importância deste stack tecnológico de IA aberto manifesta-se em:

• Acelerar a inovação e a experimentação no desenvolvimento de modelos
• Oferecer soluções alternativas para usuários que não confiam em IA centralizada

Já existem vários projetos no ecossistema a apoiar a tecnologia aberta de AI, incluindo a coleta de dados, computação descentralizada e estruturas de treino descentralizadas.

No futuro, espero que possamos construir mais produtos em todos os níveis da pilha de tecnologia de IA open source:

• Coleta de dados descentralizada
• Verificação de identidade em cadeia
• Treinamento descentralizado
• Infraestrutura IP: permitir que a IA licencie e pague pelo conteúdo que utiliza

Através desses esforços, esperamos ver a fusão da IA com a encriptação trazer mais inovações e oportunidades de desenvolvimento para toda a indústria.